Машинное обучение у людей (экспертов в предметной области) для выполнения задач

Есть несколько реальных задач и проблем, которые люди, предприятия и организации пытаются решить в повседневной жизни.

Есть несколько сценариев, когда может быть полезно заставить машины учиться, и некоторые из них упомянуты ниже:

• Сценарии и поведение могут со временем меняться (например, доступность инфраструктуры в организации).

• Люди обладают достаточным опытом в этой области, но чрезвычайно сложно формально объяснить или перевести этот опыт в вычислительные задачи (например, распознавание речи, перевод, распознавание сцен и т. д.).

  • Решение специфических для предметной области проблем в масштабе с огромными объемами данных со слишком большим количеством сложных условий и ограничений

Формальное определение

Идея машинного обучения заключается в том, что будет некий алгоритм обучения, который поможет машине учиться на данных. Профессор Митчелл определил это следующим образом

«Говорят, что компьютерная программа учится на опыте E в отношении некоторого класса задач T и показателя производительности P, если ее производительность при выполнении задач в T, измеряемая P, улучшается с опытом E».

сначала это кажется пугающим, я прошу вас прочитать его пару раз, медленно сосредоточив внимание на трех параметрах — T, P и E — которые являются основными компонентами любого алгоритма обучения.

просто определяется как

• Улучшить их производительность P

• При выполнении некоторой задачи T

  • Со временем с опытом E

Заключение…

Машины учатся у людей (экспертов в предметной области), чтобы выполнять указанные задачи и сокращать количество скучных вещей.